전기공학머신러닝 실험 4. 로지스틱 회귀 예비보고서

소개

"전기공학머신러닝 실험 4. 로지스틱 회귀 예비보고서"에 대한 내용입니다.

목차

1. 실험 명 2
2. 실험 개요 2
3. 이론 조사 2
4. 실험 기기 3
5. 예비보고서 3
6. 실험 순서 6
7. 참고 문헌 9

본문내용

1. 실험명
실험 4. 로지스틱 회귀

2. 실험 개요
로지스틱 회귀에 대해서 학습한다.

3. 이론조사
-로지스틱 회귀
로지스틱 회귀는 분류 문제, 특히 이진 분류 문제를 해결하기 위한 통계적 기법이다. 이 방법은 주어진 입력 데이터가 특정 범주에 속할 확률을 추정하여, 그 확률에 따라 가장 가능성이 높은 범주로 분류한다. 로지스틱 회귀 모델은 시그모이드 함수 또는 로지스틱 함수를 사용하여 출력 값을 0과 1 사이의 확률로 변환하며, 이를 통해 예측이 수행된다. 이 확률은 특정 이벤트가 발생할 가능성을 나타내며, 사전에 정의된 임계값(예를 들어, 0.5)을 기준으로 하여 최종 분류 결정이 내려진다.

-로지스틱 회귀의 응용사례
로지스틱 회귀는 의료, 금융, 마케팅, 사회 과학 등 다양한 분야에서 널리 사용된다. 의료 분야에서는 환자의 임상 데이터를 기반으로 특정 질병의 유무를 예측하는 데 사용될 수 있다. 예를 들어, 환자의 나이, 체중, 혈압 등의 데이터를 분석하여 당뇨병이나 심장 질환 같은 특정 질병의 위험도를 예측하는 데 활용된다.
금융 분야에서는 신용 평가 모델링에 로지스틱 회귀가 사용되어, 고객의 신용 정보와 거래 내역을 바탕으로 대출 상환 능력을 평가하거나 사기 거래를 탐지하는 데 기여한다. 또한, 마케팅 분야에서는 고객의 구매 이력, 브라우징 행동, 인구 통계적 정보 등을 분석하여 특정 상품에 대한 구매 가능성을 예측하거나, 고객 이탈 가능성을 분석하는 데 유용하게 활용된다.
로지스틱 회귀는 복잡한 비선형 관계를 모델링할 수 있는 능력에도 불구하고 상대적으로 간단하고 해석하기 쉬운 모델이다. 이러한 특성으로 인해, 복잡한 머신 러닝 기법에 앞서 초기 분석 단계에서 빠르게 인사이트를 얻기 위한 수단으로도 자주 사용된다.

참고자료

· 광운대학교 전기공학과, 전기공학머신러닝, 7p.
· 서지영, 『딥러닝 텐서플로 교과서』, (서울: 도서출판 길벗, 1990)
· 박해선, 『혼자 공부하는 머신러닝 + 딥러닝』, (서울: 한빛 미디어, 1999)
· 오이석, 『머신러닝 첫 단추 끼우기』, (서울: 도서출판 홍릉, 1976)
· 시그모이드 함수 이미지. (n.d.). Wikimedia Commons. https://commons.wikimedia.org/wiki/File:Sigmoid-function-2.svg